如何对混合类型大DataFrame中的数值变量按条件保留有效数字？

这问题我碰到过好几次，针对混合类型的大型DataFrame，关键是只对数值列批量应用规则，不用手动处理每一列，给你两种可行的方案：

方案1：用dplyr（推荐，代码更简洁易读） #

dplyr的across()函数可以轻松筛选数值列并批量应用自定义规则，非常适合你的200列大型表：

步骤1：定义自定义取整函数 #

先写一个函数，根据数值范围匹配对应的有效数字保留规则：

library(dplyr)

round_custom <- function(x) {
  case_when(
    x < 1 ~ signif(x, 1),          # x<1时保留1位有效数字
    between(x, 1, 99) ~ signif(x, 2), # 1≤x<99时保留2位
    x >= 100 ~ signif(x, 3)        # x≥100时保留3位
  )
}

步骤2：批量处理所有数值列 #

用across(where(is.numeric), round_custom)自动识别所有数值列，字符列（比如Station、Name）会原封不动保留：

# 测试你的示例数据
example <- data.frame(
  "Station" = c("012", "013", "014"),
  "Value1" = c(145.23453, 1.022342, 0.4432),
  "Value2" = c(2.1221213, 4445.2231412, 0.3333421),
  "Name" = c("ABC", "SDS", "EFG")
)

# 应用规则
example_processed <- example %>% 
  mutate(across(where(is.numeric), round_custom))

# 查看结果
print(example_processed)

处理后的输出： #

Station Value1 Value2 Name
1     012    145    2.1  ABC
2     013     1.0   4450  SDS
3     014     0.4    0.3  EFG

方案2：用Base R（无需额外加载包） #

如果你不想用dplyr，Base R也能实现，核心是先筛选数值列，再用lapply批量处理：

# 筛选数值列的索引
num_cols <- sapply(example, is.numeric)

# 对数值列应用规则
example_processed_base <- example
example_processed_base[num_cols] <- lapply(example[num_cols], function(x) {
  ifelse(x < 1, signif(x, 1),
         ifelse(x >= 1 & x < 100, signif(x, 2),
                signif(x, 3)))
})

# 查看结果
print(example_processed_base)

这个方案的输出和dplyr版本完全一致，适合习惯原生R语法的用户。

关键说明 #

• signif()函数是R中专门用于保留有效数字的函数，比round()更符合你的需求（round()是保留小数位数，不是有效数字）。
• 两种方案都自动跳过非数值列，不用手动指定列名，完美适配你的200列大型DataFrame，避免重复劳动。

内容的提问来源于stack exchange，提问作者Sarah